CONTACT ONS

Cursusaanbod

1. Inleiding tot de AI-engineering

  • Wat is AI-engineering?
  • AI versus Machine Learning versus Deep Learning
  • De levenscyclus van een AI-project
  • Toepassingen van AI in verschillende sectoren
  • Rollen en verantwoordelijkheden van een AI-engineer<\/li>

2. Grondslagen van kunstmatige intelligentie

  • Kernconcepten en terminologie binnen AI
  • Toezichtgeleerd, ontoezichtgeleerd en versterkend leren
  • Neurale netwerken en basisprincipes van deep learning
  • Overzicht van generatieve AI en fundatiemodellen
  • De ecosystemen en frameworks voor AI-ontwikkeling

3. Python voor AI-engineering

  • Belangrijkste Python-bibliotheken voor AI
  • NumPy, Pandas en Matplotlib
  • Manipuleren en visualiseren van gegevens
  • Werken met Jupyter Notebooks
  • Het schrijven van herbruikbare AI-code

4. Gegevensvoorbereiding voor AI

  • Het verzamelen en analyseren van datasets
  • Gegevenszuivering en -voorbewerking
  • Feature engineering
  • Schalen en normaliseren van kenmerken
  • Het verdelen van datasets in trainings-, validatie- en testsets
  • Omgaan met ontbrekende waarden en uitschieters

5. Grondslagen van machine learning

  • Regressiealgoritmen
  • Classificatie-algoritmen
  • Clustertechnieken
  • De workflow voor modeltraining
  • Evaluatiemetingen voor modellen
  • Het voorkomen van over- en onderfitting

6. Het bouwen van AI-modellen met TensorFlow en PyTorch

  • Inleiding tot TensorFlow
  • Inleiding tot PyTorch
  • Het creëren van neurale netwerken
  • Modeltraining en -validatie
  • Het opslaan en laden van modellen
  • Vergelijking tussen beide frameworks

7. Grondslagen van natuurlijke taalverwerking

  • Textpreprocessing
  • Word embeddings
  • Classificatie van tekst
  • Sentimentanalyse
  • Inleiding tot transformer-modellen
  • Praktische toepassingen van NLP

8. AI binnen softwareontwikkeling

  • Het integreren van AI in bestaande applicaties
  • Het oproepen van AI-diensten via API’s
  • Het ontwikkelen van met AI versterkte applicaties
  • AI-ondersteunde hulpmiddelen voor softwareontwikkeling
  • Het testen van AI-geschikte toepassingen

9. Best practices binnen AI-engineering

  • Organisatie van projecten
  • Versiebeheer met Git
  • Het bijhouden van experimenten
  • Modelversiebeheer
  • Documentatiestandaarden
  • Reproduceerbaarheid binnen AI-projecten

10. Het implementeren van AI-modellen

  • Serialisatie van modellen
  • Het opzetten van inferentieservices
  • REST API’s voor AI-modellen
  • Inleiding tot Docker in het kader van AI-implementatie
  • Bewaking van geïmplementeerde modellen
  • Onderhoud en updates van modellen

11. Data-engineering binnen AI

  • Data-pipelines
  • ETL-processen
  • Het beheren van zowel gestructureerde als ongestructureerde gegevens
  • Mogelijkheden voor datastorage
  • Kwaliteitsbeheer van gegevens
  • Het voorbereiden van productierijpe datasets

12. Verantwoorde en ethische AI

  • Bias en rechtvaardigheid in AI-systemen
  • Explainable AI (XAI)
  • Privacybescherming en gegevensbeveiliging
  • Veiligheidsaspecten van AI
  • Verantwoord ontwikkelen van AI-systemen
  • Regulering en governance bij AI-ontwikkeling

13. Projectmanagement binnen AI

  • De levenscyclus van een AI-project
  • Agile-methodologieën voor AI-projecten
  • Samenwerking tussen technische en zakelijke teams
  • Het inschatten van de omvang van AI-projecten
  • Risicobeheer bij AI-projecten
  • Beoordeling van projectsuccesvolheid

14. Praktijkworkshop in AI-engineering en toekomstige trends

  • Het opzetten van een complete workflow voor AI-ontwikkeling
  • Het bouwen van een volledig machine learning-project
  • Modeltraining en -evaluatie uitvoeren met behulp van TensorFlow of PyTorch
  • Het implementeren van een eenvoudige AI-applicatie
  • De huidige trends binnen AI-engineering
  • Generatieve AI en Large Language Models (LLM’s)
  • MLOps en automatisering in de AI-wereld
  • Carrièremogelijkheden en levenslang leren binnen dit domein
  • Samenvatting, Q&A en vervolgstappen

Vereisten

  • Basiskennis van programmeerconcepten hebben.
  • Ervaring met programmeren in Python hebben.
  • Kennis van basisstatistiek en lineaire algebra hebben.

Doelgroep

  • AI-engineers
  • Softwareontwikkelaars
  • Data-analisten
 14 Uren

Aangepaste bedrijfsopleiding

Opleidingsoplossingen ontworpen exclusief voor bedrijven.

  • Aangepaste inhoud: We passen de syllabus en praktijkopdrachten aan naar de echte doelen en behoeften van uw project.
  • Voor flexibel schema: Datums en tijden aangepast aan het rooster van uw team.
  • Formaat: Online (live), In-company (bij uw kantoren) of Hybride.
Investering

Prijs per privégroep, online live training, startend vanaf 3200 € + BTW*

Neem contact met ons op voor een exacte offerte en om onze laatste promoties te horen

Reviews (2)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën